为了增加复杂度：

使用穿线模块

优点：

在自己的线程中运行任何函数(实际上是任何可调用的)真的很容易。

共享数据不是一件容易的事(锁从来都不是一件容易的事：)，至少很简单。

缺点：

正如Juergen所提到的， Python线程实际上不能并发访问解释器中的状态(有一个大锁，臭名昭著的Global Interpreter Lock。)实际上，这意味着线程对于I / O绑定任务(网络，写入磁盘，等等)，但对于并发计算根本没有用。

使用多重处理模块

在简单的用例中，threading除了每个任务都是在自己的进程而不是自己的线程中运行之外，这与使用完全一样。(几乎从字面上看：如果以Eli的示例为例，并threading用multiprocessing，，替换Thread为Process，然后将Queue(模块)替换为multiprocessing.Queue，它应该可以正常运行。)

优点：

所有任务的实际并发(无全局解释器锁定)。

可以扩展到多个处理器，甚至可以扩展到多台计算机。

缺点：

进程比线程慢。

进程之间的数据共享比线程复杂。

内存不是隐式共享的。您要么必须明确共享它，要么必须腌制变量并将其来回发送。这更安全，但更困难。(如果越来越重要，Python开发人员似乎正在朝这个方向努力。)

使用事件模型，例如Twisted

优点：

您可以很好地控制优先级，执行时间。

缺点：

即使有了一个好的库，异步编程通常也比线程编程难，无论是在理解应该发生的事情还是在调试实际发生的事情上，都很难。

在所有情况下，我假设您已经了解了多任务处理中的许多问题，尤其是如何在任务之间共享数据的棘手问题。如果由于某种原因您不知道何时以及如何使用锁和条件，则必须从这些开始。多任务代码充满了微妙之处和技巧，在开始之前最好对概念有一个很好的理解。